一、随机控制系统稳态Kalman滤波器新算法（论文文献综述）
秦晓文[1]（2021）在《基于改进卡尔曼滤波的电磁流量计信号处理方法研究》文中研究说明电磁流量计由于其测量管内无阻挡物及活动部件,被广泛应用于水流量和固液两相流的测量。励磁方式和信号处理方法决定了电磁流量计的测量精度,现有的信号处理方法因滤波器带宽限制、计算量大等因素,存在适用性有限、动态响应速度慢的问题。为此,本文根据电磁流量计传感器输出信号的时域特征,提出一种易于实现、适用性强、测量精度高、动态响应速度快的信号处理方法。根据恒流量解调序列的时域特征,采用时间序列分析方法建立恒流量解调序列ARMA模型。根据变流量过程的流速变化规律,建立变流量段解调序列的Logistic模型。根据恒流量解调序列模型,建立电磁流量测量系统解调结果的状态空间表达式,采用卡尔曼滤波方法处理解调结果。针对变流量测量时,传统卡尔曼滤波方法不能快速跟随流量变化的问题,分析滤波结果的统计特性,提出基于残差判断的改进卡尔曼滤波方法。针对固液两相流测量时,突变干扰导致残差变大,流速状态判断失误的问题,提出基于差分判断的改进卡尔曼滤波方法。并采用该方法和现有方法分别对水流量信号和纸浆、PVC颗粒浆液、木屑、水煤浆信号四种固液两相流信号进行处理。结果显示,本文所提出的基于差分判断的改进卡尔曼滤波方法处理结果的稳态波动率和动态响应时间较小,验证了该处理方法的有效性。基于实验室研制的矩形波励磁电磁流量计硬件系统和高频谐振式电磁流量计硬件系统,实时实现了所提出的基于差分判断的改进卡尔曼滤波方法。将所研制的系统匹配DN40电磁流量计传感器,进行了水流量标定实验和动态响应速度实验。标定结果表明,流量范围为2.3m3/h～23m3/h时,所研制6.25Hz和12.5Hz矩形波励磁系统、75Hz和145Hz正弦波励磁系统,测量误差均在±0.5%范围以内,重复性均不高于0.15%,系统准确度等级为0.5级。水流量动态响应速度实验结果表明,所研制6.25Hz矩形波励磁电磁流量计动态响应时间小于2s,12.5Hz矩形波励磁电磁流量计动态响应时间小于1.5s,75Hz正弦波谐振式电磁流量计动态响应时间小于2.5s,145Hz正弦波谐振式电磁流量计动态响应时间小于1.6s,实现了变流量的快速跟随。
刘琪[2]（2020）在《随机滞后系统的序贯逆协方差交叉融合估计》文中研究指明近年来,随着多传感器信息融合在军事领域和民事领域的广泛应用,时滞系统的状态估计融合问题也受到越来越多的关注。由于系统元器件老化或系统本身存在不可避免的因素使得系统存在时滞环节,在多传感器信息融合问题中系统的时滞现象是普遍且不可避免的,控制系统中存在时滞会导致系统中的信息传递不及时,从而影响系统估值效果,且时滞的不可控性会导致系统稳定性降低,最终影响系统整体的控制效果。除此之外,在时滞系统中由于信息传递存在延时,且时滞系统本身的复杂性,所以局部传感器之间的误差互协方差是难以求得的。为了减少因误差互协方差引起的大量计算,可以应用序贯逆协方差交叉（Sequential inverse covariance intersection,SICI）融合算法来处理互协方差未知的时滞系统,该算法能够显着减少计算量,降低对存储空间的要求,且其融合精度高于局部传感器估值精度,有良好的估值性能。本文基于线性最小方差理论对多传感器随机时滞系统进行理论推导,并利用SICI融合算法对系统进行状态融合估计,主要研究内容如下:首先,基于序贯协方差交叉（Sequential covariance intersection,SCI）融合算法的融合思想将逆协方差交叉（Inverse covariance intersection,ICI）融合算法应用到多传感器信息融合问题中,提出了SICI融合算法。对带不相关噪声的随机滞后多传感器系统,基于局部稳态Kalman滤波算法,应用SICI融合算法对局部传感器信息进行融合,得到融合结果。将SICI融合算法与SCI融合算法和按矩阵加权融合算法进行比较,得出SICI融合算法不仅继承了SCI融合算法计算量小的优势,且其融合精度高于SCI融合算法。与按矩阵加权最优融合算法比较,虽然SICI融合算法是次优的,但是其融合精度接近于最优融合算法的融合精度。其次,分别研究了带相关观测噪声和带相关系统噪声的多传感器随机滞后系统的信息融合问题。先运用状态扩维、引入虚拟噪声和Lyapunov方程等方法将原系统转化为带非时滞系统,再基于局部稳态Kalman滤波理论,对转化后的系统运用SICI融合算法,得到的融合估值结果与其他融合算法估值结果进行比较,比较结果显示SICI融合算法具有良好的融合精度,且减少了大量计算。最后,通过Matlab对5个例子进行仿真来验证SICI融合算法的融合效果,仿真图和仿真数据表明SICI融合算法对处理时滞多传感器系统是十分有效的,该算法不仅在融合精度上更接近于最优融合算法的融合精度,而且避免了误差互协方差的计算,大大减少了计算量。
王文渊[3]（2020）在《非标准自适应滤波器研究》文中研究指明标准自适应滤波器包含:无噪声干扰的平稳输入信号和无冲击噪声干扰的完整期望信号。近年来,标准自适应滤波器已经获得了广泛的应用。然而在实际应用中,标准自适应滤波器条件很难得到满足。例如,输入信号可能是含有噪声的或者是非平稳的,期望信号可能被截尾还可能被冲击噪声干扰。输入信号和期望信号处在上述任何一种恶劣环境下的自适应滤波器被称为非标准自适应滤波器。利用传统的自适应算法去处理上述恶劣环境下非标准自适应滤波问题,滤波算法的性能会遭受极大的恶化甚至出现震荡和不收敛的情况。为解决上述问题,本文研究了恶劣环境下一系列非标准自适应滤波算法。具体工作可概括如下:1)本文首先分析了自适应滤波器基本结构要素,介绍了标准自适应滤波器中基本要素需要满足的条件,总结了标准自适应滤波器的基本概念,回顾了现存恶劣环境下非标准自适应滤波算法并且分析了现存算法的不足之处。2)研究了输入含有噪声环境下非标准自适应滤波器。针对输入含有噪声环境下约束LMS和稀疏归一化LMS算法性能下降问题,本文提出了两种偏置补偿自适应滤波算法:●提出了一种偏置补偿约束最小均方（BC-CLMS）自适应滤波算法。为了推导出该算法,引入了一种梯度向量为无偏的新代价函数。因此,该算法可以减轻输入噪声的影响并获得无偏估计。然后,还详细分析了该算法的性能。最后,进行仿真证明所提算法的优点及验证该算法性能分析的正确性。●本文提出了一种新的归一化最小均方（NLMS）算法,用于识别输入信号被白色噪声干扰的稀疏系统。该算法称为偏置补偿零吸引NLMS（BC-ZA-NLMS）算法。BC-ZA-NLMS算法引入了偏置补偿向量,以消除由输入噪声引起的偏差,并在代价函数中引入l1范数。此外,为了解决时变稀疏问题,本文还提出了偏置补偿加权ZA-NLMS（BC-RZA-NLMS）算法。提出的两种算法在识别稀疏系统时,优于传统的NLMS和偏置补偿NLMS（BC-NLMS）算法。此外,本文进行了计算机仿真以证明所提BC-ZA-NLMS和BC-RZA-NLMS算法的优越性。3)本文研究了循环平稳环境下的分布式自适应滤波器的性能。详细分析了循环平稳环境下扩散型最小均方（DLMS）算法的性能。而本文采用的循环平稳信号为循环平稳白色高斯信号,其是一种典型的非平稳信号并且广泛存在于很多实际应用中。4)本文研究了截尾和冲击噪声环境下非标准自适应滤波器。在自适应信号处理的许多实际应用中,滤波器的期望信号会被截尾和受冲击噪声干扰。在这种情况下,传统的自适应滤波算法性能可能大大降低甚至无法工作。为解决这一问题,本文提出了一种新的误差非线性LMS算法,该算法利用了最大互相关熵准则（MCC）和截尾回归方法。因此,该算法又被称为截尾回归MCC自适应算法。该算法可以在截尾和冲击噪声环境下获得良好的性能。然后,本文给出了该算法在均值和均方行为方面的详细性能分析。5)针对目前的研究热点——图信号处理,本文提出了一种误差非线性LMS自适应算法并将其应用于图信号的自适应学习,以解决存在冲击噪声时传统图信号自适应算法的性能恶化问题。该误差非线性LMS自适应算法是通过最小化双曲正切代价函数导出。因此又被称为图自适应双曲正切（AHT）算法。该算法可以在冲击噪声环境下,从部分观测信号中有效地重建图信号。同时,本文分析了图AHT算法的均方性能,用于设计出有效的图信号采样策略。最后,进行了仿真测试,以展示提出的算法在冲击噪声场景中对图信号的有效性。6)本文提出了输入和期望信号同时处于恶劣环境下的非标准自适应滤波器模型,即滤波器处于截尾、冲击噪声和输入含有噪声环境中。现存的自适应滤波算法处于上述环境中时,性能会恶化。为此,本文结合了偏差校正估计器和偏置补偿算法的优点,提出了归一化偏置补偿鲁棒集员截尾回归自适应算法。该算法不仅可以补偿由截尾和输入噪声引起的偏差,还对冲击噪声干扰具有较好的鲁棒性。本文还研究了处于循环平稳、截尾、冲击噪声和输入含有噪声环境中的自适应滤波器。为了抑制归一化偏置补偿鲁棒集员截尾回归自适应算法在循环平稳环境中的纹波问题,提出了组合步长归一化偏置补偿鲁棒集员截尾回归自适应算法,该算法综合了归一化偏置补偿鲁棒集员截尾回归自适应算法和非归一化偏置补偿鲁棒集员截尾回归自适应算法的优点并且具有较小的纹波。
余晨[4]（2020）在《一种改进的小波变换电力系统谐波检测抗混叠方法》文中提出谐波检测是谐波治理的基础,傅里叶变换是一种有效的谐波检测检测方法,主要用来检测平稳信号,电力系统谐波主要是对非平稳信号的检测,傅里叶变换显得无能为力。小波变换具有时频局部化功能,能够同时实现平稳信号和非平稳信号的检测,满足电力系统谐波检测的要求,但是小波变换在谐波检测过程中容易发生频谱混叠现象,高频信息混入到低频信息中,无法将基波和谐波进行有效的分离,导致谐波检测的精度大大降低,电力系统谐波具有很大的非稳定性和复杂性,因此,使用有效地方法对小波混叠现象进行抑制甚至消除对电力系统谐波检测具有十分重要的应用价值。论文的主要工作有以下几个方面:（1）分别从数学和物理两方面对小波混叠现象进行了分析,利用传统的小波变换方法对电力系统谐波进行仿真,结果发现,频谱混叠现象非常明显。在此基础上,比较了现有的三种抗混叠方法,针对其共有的抗混叠效果差,计算量大等缺点,提出了在Mallat基本算法小波分解和重构滤波器之间加奇抽取支路并作双混叠补偿的新方法,结果表明,改进算法不仅抗混叠效果良好,而且减小了计算量。（2）分析了几种常用的小波基函数的特点和性质,通过比较,最终选择了消失矩阶数大、频带划分效果好的db20小波作为电力系统谐波分析的小波基函数。从奈奎斯特采样定理出发,并结合电力系统谐波检测的要求,进行了采样频率的选择。（3）将改进算法分别应用于仅含有稳态谐波成分和同时含有稳态和暂态两种谐波成分的电力系统谐波仿真实验中。通过分析和算例比较,此方法不仅可以分离出稳态谐波信号,还可以确定暂态谐波发生的起止时刻,并将仿真结果和理论值做了比较,结果表明,仿真值和理论值非常接近,证明了此方法的有效性。通过仿真分析可知,论文所使用的前插奇抽取并作双混叠补偿的新算法,能够有效消除小波变换过程中的频谱混叠现象,这种新算法可以将电力系统基波信号和谐波信号进行有效的分离,确定非平稳信号的发生和截止时刻,提高电力系统谐波检测的准确性,在谐波检测方面具有很高的应用价值。
夏秀玮[5]（2020）在《船用星敏感器/光纤惯性测量单元组合导航技术研究》文中研究指明惯性导航系统（Inertial Navigation System,INS）是海洋运载器导航系统的核心,一种完全自主的导航设备,具有隐蔽性强、短期导航精度高、输出导航参数全面、连续输出等优势,但是其导航误差会随时间累积,无法长时间单独工作。星敏感器通过观测恒星位置来进行导航,能直接输出载体相对惯性空间的高精度姿态信息,具有自主性强、功耗低、精度高等优势,但是也存在数据更新频率低、无法单独定位的问题。为了弥补上述各导航设备的不足,满足海洋运载器对导航系统全天候、长航时的应用需求,本文提出一种由星敏感器/光纤惯性测量单元（Inertial Measurement Unit,IMU）构成的组合导航系统方案,围绕星敏感器动态误差修正、高精度光纤IMU技术、星敏感器/光纤IMU深耦合技术等几个方面进行深入研究,最后构建星敏感器/光纤IMU组合导航系统原理样机,验证理论研究成果的有效性。论文的主要工作有:针对海洋运载器摇摆运动会导致星体的星点光斑在星敏感器像平面上发生像移,影响星敏感器姿态测量精度的问题,深入分析星敏感器动态误差产生机理,提出一种基于光纤IMU信息的星敏感器动态测量误差修正方法,该方法将光纤IMU输出的角速度信息引入星敏感器内部,利用上一时刻的星敏感器姿态数据和光纤IMU角速度信息来预测下一时刻的海洋运载器姿态,进而推算已知恒星在下一时刻的理想坐标,对星点做准确的跟踪和预测,有效修正海洋运载器摇摆导致的星敏感器的动态测量误差。光纤IMU精度不仅影响着星敏感器动态测量误差修正效果,而且制约着系统导航精度。光纤陀螺是IMU的核心器件,为此深入分析由温度变化所引起的光纤陀螺误差产生机理,建立了改进的温度误差模型,并根据陀螺的温度特性提出了一种温度误差分段补偿方案,测试结果表明该方案能够有效补偿温度漂移,提升光纤陀螺精度;在系统方面,采用旋转调制的思想,在器件输出误差模型的基础上,分析了双轴旋转对于光纤IMU各个误差项的抑制机理,设计了相应的光纤IMU双轴正反转停方案。仿真结果表明,采用该方案能够有效抑制惯性器件误差,为进一步提高星敏感器测量精度及组合导航精度提供保障。针对星敏感器定位精度受外界辅助水平姿态精度影响的问题,提出了一种基于惯性系重力的高精度水平姿态确定方法,该方法通过自适应数字滤波器在光纤IMU的输出中提取出高精度重力矢量信息,再结合星敏感器的姿态信息得到高精度水平基准,利用该水平基准信息辅助星敏感器进行定位,避免了惯导误差对星敏位置信息的耦合,提高了星敏感器的定位精度。针对复杂海况环境下采用Kalman滤波进行星敏感器/惯性组合对准效果较差的问题,提出一种基于加权递推最小二乘组合对准方法,通过对星敏感器的观测量分析,根据递推回归原理,采用加权处理的方式,快速、准确的实现了光纤IMU的精对准。进一步,针对恶劣海况下星敏感器随船体晃动剧烈,无法辅助惯导组合对准的问题,提出一种基于双数学解算系统（Dual Mathematical Calculation System,DMCS）的旋转式惯导自对准方法,该方法同时运行两套旋转式光纤惯导对准算法以实现对同一数据的处理,克服了恶劣海况环境下粗对准造成的大方位失准角对系统精对准的影响,使系统在大方位失准角下仍能精确的进行对准。海洋运载器在摇摆环境下的状态变化具有较大的随机性和幅值扰动,故根据星敏感器/光纤IMU组合原理,推导了基于星敏感器的惯导系统误差方程,建立基于加性四元数和基于乘性四元数“姿态+位置”匹配的星敏感器/光纤IMU深度耦合惯性空间非线性模型,选取姿态误差四元数和位置误差作为外观测量,采用边缘化容积卡尔曼滤波（Rao-Blackwellised Additive Cubature Kalman Filter,RBACKF）对系统误差状态量进行估计。仿真结果表明,该方案能够有效提升组合导航系统精度。最后,利用实验室现有测试环境对上述理论成果的有效性与可行性进行了验证,采用光纤IMU双轴旋转惯导原理样机,对旋转调制误差抑制方案进行验证。然后搭建了船用星敏感器/光纤IMU组合导航原理性试验系统,通过水面试验验证了星敏感器/光纤IMU深耦合导航算法的有效性及可行性。
王蛟龙[6]（2019）在《基于自适应卡尔曼滤波器的编队卫星相对导航技术研究》文中提出随着空间科学技术战略地位的日益提高,旨在扩展系统能力的卫星编队飞行技术越来越受到重视。编队卫星系统中高精度编队控制等多项关键技术的性能均依赖于高精度的卫星相对导航技术。因此,分析不同编队卫星场景相对导航的问题特点,研究可精确、高效确定星间相对位置与速度的滤波方法,有针对性地改进和优化编队卫星相对导航性能,具有重要研究价值和意义。本学位论文依托编队飞行卫星相关研究背景,考虑编队卫星不同参考轨道对相对导航系统性能的影响,抽象具有不同运动模型和噪声/残差特性的滤波问题,提出具有针对性改进机制的新型自适应卡尔曼滤波方法,提高卫星相对导航滤波精度、效率及自适应性能。主要工作及创新如下:第一,针对圆轨编队卫星相对导航中线性时不变运动模型含有未知过程噪声协方差参数的特点,提出了一种基于误差协方差反馈调整的自适应卡尔曼滤波算法。仿真对比实验表明其算法估计精度高、计算量小,对滤波器过程噪声参数不精确的情况具有参数自适应能力。第二,针对近圆轨道编队卫星相对导航中非线性连续运动模型离散化和线性化过程引入不可预测近似误差的特点,提出了一种基于后验随机序列反馈的非线性连续离散自适应卡尔曼滤波算法。仿真结果表明其可有效抑制模型离散化和线性化近似误差对滤波精度及稳定性的影响,并且具有计算效率高的优势。第三,针对大偏心率椭圆轨道卫星相对导航中强非线性连续运动及离散测量模型的容积变换和数值近似过程引入不可忽略模型残差特点,提出了一种基于容积采样向量NIRK积分及误差自适应控制的连续离散容积卡尔曼滤波算法。仿真实验表明其可自适应抑制模型离散化和非线性变换残差的幅度从而提高算法估计精度及滤波稳定性。综上,本学位论文以圆形、近圆及大偏心率椭圆三种参考轨道编队卫星的相对导航问题为研究背景,抽象出线性时不变、非线性连续运动及强非线性连续运动/离散测量系统三种滤波问题理论模型,考虑其过程噪声或模型近似误差的不同特性,分别提出了针对问题特点的新型自适应卡尔曼滤波方法。编队场景数值仿真验证了本文新方法的状态估计性能,为相关领域应用研究提供理论基础及借鉴经验。
尚天萌[7]（2019）在《时滞系统的序贯协方差稳态滤波研究》文中提出近年来,在军事领域、工业领域以及智能系统等科技飞速发展,单传感器的观测系统已经远远不能满足目标跟踪或状态估计的需要了,因而多传感器信息融合的研究得到了广泛的关注。在多传感器系统中由于传感器和其他各种元器件的老化以及系统本身存在的不可避免的因素使得系统存在时滞。在控制系统中时滞会恶化系统性能使得观测到的信息不能及时送达,从而破坏了系统的稳定性,进而对系统的控制能力产生不利的影响。除此之外,由于时滞的存在使得对多传感器的观测数据融合时,局部传感器之间的互协方差的计算非常复杂甚至有些互协方差不能够得到。为了减小局部传感器之间互协方差的计算负担并简化复杂的多传感器融合算法,可以将局部状态估计和对应的误差方差阵用SCI的融合估计算法来计算。由于用SCI融合估计算法避免了互协方差的计算,使得融合结果的精度下降,但是SCI的融合结果具有保守性并且显着的减少了计算负担。本文基于线性最小方差理论对多传感器时滞系统推导,并利用SCI融合算法进行系统状态的融合估计,主要的研究内容如下:首先,对带不相关白噪声的观测滞后多传感器系统和带不相关噪声的状态、观测均滞后的多传感器多时滞系统,基于经典Kalman滤波算法,应用SICI融合估计算法进行融合,得到的融合结果与SCI的融合结果和按矩阵分布式加权的融合结果进行比较,可以得出SICI融合算法的融合结果具有一致性和保守性,它的融合精度高于SCI融合算法,克服了SCI融合结果过于保守的缺点,计算的复杂程度并没有增加。与按矩阵加权的方法比较,SICI融合估计算法计算负担大大降低,但是精度更加接近按矩阵加权的最优融合精度。其次,对带相关噪声的多时滞系统融合稳态次优Kalman滤波,将带相关噪声的时滞系统采用去相关的方法转化为带不相关白噪声的时滞系统。然后将系统进行扩维和增广,接着运用SCI融合估计算法和SICI融合估计算法进行融合,将融合结果和按矩阵加权的最优融合结果进行比较,发现这两种方法的融合精度与矩阵加权的方法相近,但可以很大程度的减小计算负担并得到一致性的融合结果。最后,通过若干的仿真研究以及数据分析,验证了SCI和SICI融合估计算法在多传感器时滞系统中应用十分便捷,并且这两种融合结果具有一定的保守性和一致性,它不仅降低了传统信息融合计算互协方差的计算负担,而且还保持了融合结果的高精度。
石颖[8]（2019）在《非高斯噪声环境下的比例自适应滤波算法研究》文中指出自适应滤波器具有实时跟踪信道的特性,其核心部分是自适应滤波算法,算法的优劣决定了滤波的性能。在不同环境中,适用的算法也有所不同,选择合适的算法能提高滤波器的收敛速度、降低稳态误差。通信系统中存在大量长稀疏信道,它的大量权重系数为零值或者逼近零值,只有少量权重系数有显着的值。传统的自适应滤波器采用一个全局步长参数,所有的信道权重系数全都是同一个固定参数,导致算法收敛速度受最小的参数的影响,并且较大的权重系数收敛到它的最优值需要较多的迭代次数,因此其收敛性能不理想。为解决这一问题,研究者提出各种改进算法,其中比例类改进是一种简单有效的方式,最典型的是将LMS算法改进为PNLMS算法。实际环境中有大量的非高斯冲激噪声干扰,这种噪声会使得算法变得敏感从而性能恶化。通过选择合适的误差准则能有效的改善这一问题,其中效果较好的有最小平均p范数准则（MPE）和最大相关熵准则（MCC）。本文利用MPE准则强抗尖峰干扰特性,对PLMP算法进行改进。首先对其进行归一化得到PNLMP算法,在具有较大的强脉冲噪声时有较好效果。此外引入-律方法,得到MPNLMP算法,它能跟踪权重系数的变化趋势,给大权重系数以合适的比例步长,提高收敛速度减小稳态误差。此外为了进一步提升性能,再引入了CIM方法,得到CIM-PNLMP算法,它能获得最优的比例步长,得到目前最佳的收敛速度和稳态精度,但计算复杂度高。此外,MCC准则在非高斯噪声环境中也具有较强鲁棒性,因此本文将-律方法和CIM方法引入PMCC算法,得到改进的MPMCC算法和CIMPMCC算法,这两种新算法在稀疏信道下有很好的滤波性能。CIMPMCC算法虽然效果最优,但是计算量过大。此外对MPMCC算法进行简化处理得到新算法SMPMCC算法,其计算简单,虽然收敛误差有所增加但是依旧能保持快速的收敛速度。SPMCC收敛速度快,但是损失了一定的稳态失调,PMCC的收敛速度慢,但是稳态失调低。为了平衡收敛速度和稳态失调,将PMCC和SMPMCC进行自适应凸组合,得到CSMPMCC算法,既有较好的收敛速度又有不错的稳态误差。本文之前所提算法的输入信号均为非相关信号,但当输入信号为相关信号时,滤波性能恶化。为了解决这个问题,本文利用解相关方法,去掉相邻输入信号之间的相关性,得到解相关的DMPMCC算法。实验证明在输入信号为相关信号时,DMPMCC算法有更加优越的滤波性能。本文通过MATLAB软件进行实验仿真,验证了本文所提的各种改进算法具有更好的滤波性能。
吴宇航[9]（2018）在《基于SMC和AFEKF的永磁同步电机无传感控制研究》文中指出近几年,永磁同步电机（PMSM）因为其具有结构简单、占用空间小、功率密度高、动态性能好、安全可靠维护简单等诸多优点,广泛应用于伺服控制、航空航天、船舶动力、电动汽车和工农业生产等诸多领域,受到各国科研人员的普遍重视。电机的速度与位置是控制电机的核心问题,传统的速度/位置传感器存在会使系统增加成本、运行维护困难、在恶劣的环境下不适用等因素。因此,针对上述问题,本文研究的重点为PMSM无位置传感控制。首先,本文采用id=0的磁场定向矢量控制作为永磁同步电机驱动的基础。针对传统的PI速度控制器鲁棒性较差、容易受到外部扰动的影响,导致不能获得满意的调速与转子定位效果。滑模速度控制器（SMC）作为一类特殊的非线性控制策略,由于其控制器设计简单,响应速度快、对参数变化以及外部扰动具有较强鲁棒性而被广泛应用。本文针对传统PI速度控制器的速度超调及滑模控制会出现的抖振情况,设计了一种改进的基于指数趋近律的滑模控制器。其次,针对传统扩展卡尔曼滤波（EKF）估计永磁同步电机（PMSM）速度、位置存在模型不精确,噪声不确定时估计精度不高、实时性差,且有可能导致滤波发散的问题,采用一种基于Sage-Husa的自适应渐消扩展卡尔曼滤波（AFEKF）算法。该算法在EKF的基础上结合自适应渐消因子与Sage-Husa自适应滤波的优点,可以有效降低模型误差、提高滤波精度。研究结果表明:SMC和AFEKF性能均优于PI和EKF,其中在启动时能较快的到达预定速度,且无超调现象,迅速达到稳定状态;在加载后最大偏差比传统EKF算法减小了 1.77%,且稳定状态下转速误差下降了 0.371%,稳态位置误差减小了 0.45%。故基于SMC的AFEKF算法可以达到对历史统计数据的遗忘,又能应对PMSM运行过程中参数变化、环境噪声的影响,对电机速度、位置估计更精确。
齐文娟[10]（2015）在《信息融合鲁棒Kalman滤波器》文中研究说明卡尔曼滤波被广泛应用于各种工程实践和信号处理中,经典Kalman滤波只适合于解决模型参数和噪声方差精确已知系统的状态估计问题。然而,在许多理论和工程应用问题中,模型参数和噪声方差的不确定性是广泛存在的。当模型参数和噪声方差出现不确定性时,应用经典Kalman滤波理论,滤波性能会降低甚至会引起滤波器的发散。为了解决不确定系统的滤波问题,近些年,有关鲁棒Kalman滤波的一些研究成果已经被提出。所谓的鲁棒Kalman滤波器是指设计一个滤波器使其对所有容许的不确定性,它的相应的实际滤波误差方差阵被保证有一个最小上界。目前针对带模型参数不确定系统,有两种基本方法来设计鲁棒Kalman滤波器,一种方法是Riccati方程方法,一种是线性矩阵不等式（LMI）方法。这两种方法的缺点是主要适用于带模型参数不确定,噪声方差精确已知的不确定系统的鲁棒Kalman滤波设计。而且大多数文献没有考虑多传感器信息融合鲁棒滤波器的设计问题,且融合鲁棒滤波器的鲁棒性问题没有完全解决。因此本论文针对带不确定噪声方差的多传感器系统研究信息融合鲁棒Kalman滤波问题。对噪声方差不确定的多传感器系统,本文的主要工作如下:基于极大极小鲁棒估计原理,提出了一种设计鲁棒局部和融合Kalman滤波器的新方法:即对带保守噪声方差上界的最坏情形保守系统,在无偏线性最小方差（ULMV）最优估计准则下,可得带保守观测的保守最优局部和融合Kalman滤波器,将保守观测用真实系统的实际观测代替,可得鲁棒局部和融合Kalman滤波器及其在一般情形下实际滤波误差方差的最小上界。提出了鲁棒性分析的Lyapunov方程方法,将鲁棒性证明问题转化为判定Lyapunov方程的解的正定性问题,对所提出的局部和融合鲁棒Kalman估值器的鲁棒性进行了严格的证明,不同于以往文献中提出的Riccati方程方法和线性矩阵不等式（LMI）方法。对不确定噪声方差系统提出了鲁棒精度和实际精度概念及鲁棒精度分析方法,并且证明了所提出的鲁棒估值器之间的鲁棒精度关系。提出了五种鲁棒加权融合时变Kalman估值器（滤波器、预报器和平滑器）。其中包括3种状态融合（按矩阵加权、按标量加权和按对角阵加权）鲁棒Kalman估值器,一种改进的协方差交叉（CI）融合鲁棒Kalman估值器和一种加权观测融合鲁棒Kalman估值器。其中基于增广状态方法得到了鲁棒加权融合Kalman平滑器,且所提出的改进的CI鲁棒融合器包含局部估值器之间的保守互协方差信息,相比于原始的不考虑互协方差信息的CI融合器,提高了CI融合器的鲁棒精度,给出了实际估值误差方差阵的一个最小上界。通过对时变局部和融合鲁棒Kalman估值器取极限的间接方法,提出了相应的局部和融合鲁棒稳态Kalman估值器,且通过动态误差系统分析方法（DESA）和动态方差误差系统分析方法（DVESA）,证明了所提出的时变和稳态鲁棒估值器彼此按实现收敛。基于稳态Kalman滤波理论,提出了一种简单直接方法设计局部和融合鲁棒稳态Kalman估值器。基于极大极小鲁棒估计原理,对带不确定噪声方差的带时滞或不带时滞的传感网络系统提出了两级分簇序贯协方差交叉融合鲁棒Kalman估值器（滤波器和预报器）。可避免计算互协方差,减小计算负担,其中应用最邻近法则,将传感器的节点分成簇来减小通信负担并节省节点能量。本文用若干仿真例子说明了上述算法的正确性与有效性。
二、随机控制系统稳态Kalman滤波器新算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、随机控制系统稳态Kalman滤波器新算法（论文提纲范文）
（1）基于改进卡尔曼滤波的电磁流量计信号处理方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 电磁流量计 |
| 1.1.1 电磁流量计的工作原理和特点 |
| 1.1.2 电磁流量计的励磁方式 |
| 1.2 国内外研究现状 |
| 1.3 课题来源和主要工作 |
| 第二章 电磁流量计流量信号数学模型 |
| 2.1 恒定水流量信号建模 |
| 2.1.1 解调序列的获取 |
| 2.1.2 概率密度分析 |
| 2.1.3 自回归移动平均模型 |
| 2.1.4 模型检验 |
| 2.2 变流量信号建模 |
| 2.2.1 解调序列的获取 |
| 2.2.2 基于Logistic曲线的变流量信号模型 |
| 2.2.3 模型分析 |
| 2.3 本章小结 |
| 第三章 电磁流量计水流量信号处理方法 |
| 3.1 卡尔曼滤波器简介 |
| 3.2 传统卡尔曼滤波信号处理方法 |
| 3.3 改进卡尔曼滤波信号处理方法 |
| 3.3.1 滤波跟随速度影响因素分析 |
| 3.3.2 基于残差判断的改进卡尔曼滤波方法 |
| 3.4 本章小结 |
| 第四章 电磁流量计固液两相流信号处理方法 |
| 4.1 基于差分判断的改进卡尔曼滤波方法 |
| 4.2 矩形波励磁的固液两相流信号处理 |
| 4.2.1 恒流量信号处理 |
| 4.2.2 变流量信号处理 |
| 4.3 正弦波励磁的水煤浆流量信号处理 |
| 4.3.1 正交解调原理 |
| 4.3.2 恒流量信号处理 |
| 4.3.3 变流量信号处理 |
| 4.4 本章小结 |
| 第五章 软件系统研制与实验 |
| 5.1 软件系统研制 |
| 5.1.1 硬件系统简介 |
| 5.1.2 软件系统介绍 |
| 5.1.3 信号处理算法实现 |
| 5.2 水流量实验 |
| 5.2.1 水流量标定 |
| 5.2.2 水流量动态响应速度实验 |
| 5.3 本章小结 |
| 第六章 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录1 |
| 附录2 |
| 攻读硕士学位期间的学术活动及成果情况 |
（2）随机滞后系统的序贯逆协方差交叉融合估计（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 时滞系统的研究背景与意义 |
| 1.2 多传感器信息融合的发展概况 |
| 1.3 协方差交叉融合的发展概况 |
| 1.4 本文研究的主要内容 |
| 第2章 协方差交叉(CI)融合估计 |
| 2.1 引言 |
| 2.2 协方差交叉(CI)融合估计 |
| 2.2.1 协方差椭圆(球)及其性质 |
| 2.2.2 协方差交叉融合估计原理 |
| 2.2.3 CI融合估计的几何原理 |
| 2.2.4 最优参数ω的选取 |
| 2.2.5 CI融合估计的一致性和鲁棒性 |
| 2.2.6 逆协方差(ICI)融合估计 |
| 2.3 序贯协方差交叉(SCI)融合估计 |
| 2.3.1 问题描述 |
| 2.3.2 SCI融合滤波器结构 |
| 2.3.3 SCI融合估值器的一致性和精度分析 |
| 2.3.4 SCI融合器精度对局部传感器次序的灵敏性 |
| 2.4 序贯逆协方差(SICI)融合估计 |
| 2.4.1 SICI融合稳态Kalman滤波器 |
| 2.4.2 SICI融合算法的一致性与精度分析 |
| 2.5 本章小结 |
| 第3章 带不相关噪声的随机滞后系统的SICI融合估计 |
| 3.1 引言 |
| 3.2 带一步随机滞后多传感器系统的SICI融合滤波器 |
| 3.2.1 问题描述 |
| 3.2.2 系统模型转换 |
| 3.2.3 局部Kalman滤波器 |
| 3.2.4 SICI融合Kalman滤波器 |
| 3.2.5 仿真研究 |
| 3.3 带一步随机滞后和丢包的多传感器系统的SICI融合Kalman滤波器 |
| 3.3.1 问题阐述 |
| 3.3.2 系统转换 |
| 3.3.3 SICI融合Kalman滤波器 |
| 3.3.4 仿真研究 |
| 3.4 带两步随机滞后的多传感器系统的SICI融合Kalman滤波器 |
| 3.4.1 问题阐述 |
| 3.4.2 系统转换 |
| 3.4.3 SICI融合Kalman滤波器 |
| 3.4.4 仿真研究 |
| 3.5 本章小结 |
| 第4章 带相关噪声的随机滞后系统的SICI融合估计 |
| 4.1 引言 |
| 4.2 带相关观测噪声的一步随机滞后系统的SICI融合Kalman滤波器 |
| 4.2.1 问题描述 |
| 4.2.2 系统转换 |
| 4.2.3 SICI融合稳态Kalman滤波器 |
| 4.2.4 仿真研究 |
| 4.3 带相关噪声的一步随机滞后多传感器系统的SICI融合Kalman滤波器 |
| 4.3.1 问题阐述 |
| 4.3.2 系统转换 |
| 4.3.3 SICI融合Kalman滤波器 |
| 4.3.4 仿真研究 |
| 4.3.5 SICI融合器精度关于局部传感器次序的灵敏性 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表论文 |
（3）非标准自适应滤波器研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略语表 |
| 数学符号 |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 自适应滤波器概述 |
| 1.2.1 引言 |
| 1.2.2 应用 |
| 1.3 恶劣环境下非标准自适应滤波器综述 |
| 1.3.1 引言 |
| 1.3.2 国内外研究现状 |
| 1.3.3 应用 |
| 1.3.4 在电气工程领域中的应用前景 |
| 1.4 论文的主要贡献 |
| 1.5 论文的结构安排 |
| 第2章 输入含有噪声环境下自适应滤波算法 |
| 2.1 引言 |
| 2.2 偏置补偿约束LMS算法 |
| 2.2.1 算法推导 |
| 2.2.2 性能分析 |
| 2.2.3 计算机仿真 |
| 2.3 偏置补偿零吸引NLMS算法 |
| 2.3.1 算法推导 |
| 2.3.2 计算机仿真 |
| 2.4 本章小结 |
| 第3章 循环平稳环境下分布式自适应滤波算法研究 |
| 3.1 引言 |
| 3.2 循环平稳信号模型 |
| 3.3 分布式LMS算法性能分析 |
| 3.3.1 分布式LMS算法 |
| 3.3.2 性能分析 |
| 3.3.3 计算机仿真 |
| 3.4 本章小结 |
| 第4章 截尾和冲击噪声环境下自适应滤波算法 |
| 4.1 引言 |
| 4.2 最大互相关熵自适应算法 |
| 4.3 基于最大互相关熵的截尾回归自适应算法 |
| 4.4 算法分析 |
| 4.4.1 均值分析 |
| 4.4.2 均方分析 |
| 4.5 计算机仿真 |
| 4.5.1 性能验证 |
| 4.5.2 理论分析验证 |
| 4.6 本章小结 |
| 第5章 冲击噪声环境下鲁棒图信号自适应算法 |
| 5.1 引言 |
| 5.2 图信号处理的应用 |
| 5.3 图信号处理基本理论 |
| 5.4 基于双曲正切鲁棒的图信号自适应算法 |
| 5.4.1 算法推导 |
| 5.4.2 理论分析 |
| 5.4.3 采样策略 |
| 5.5 计算机仿真 |
| 5.5.1 理论分析验证 |
| 5.5.2 算法性能验证 |
| 5.5.3 IEEE118节点测试案例 |
| 5.5.4 应用:实际温度预测 |
| 5.6 本章小结 |
| 第6章 多种复杂环境下自适应滤波算法 |
| 6.1 引言 |
| 6.2 归一化偏置补偿鲁棒集员截尾回归自适应算法 |
| 6.2.1 滤波器模型建立 |
| 6.2.2 算法推导 |
| 6.2.3 计算机仿真 |
| 6.3 组合步长归一化偏置补偿鲁棒集员截尾回归自适应算法 |
| 6.3.1 滤波器模型建立 |
| 6.3.2 算法推导 |
| 6.3.3 计算机仿真 |
| 6.4 本章小结 |
| 结论与展望 |
| 结论 |
| 下一步工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间的研究成果 |
（4）一种改进的小波变换电力系统谐波检测抗混叠方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 电力系统谐波问题研究目的和意义 |
| 1.1.1 谐波基本概念阐述 |
| 1.1.2 谐波的来源和危害 |
| 1.1.3 谐波检测研究的意义 |
| 1.2 谐波检测技术的研究现状 |
| 1.2.1 各类谐波检测方法 |
| 1.2.2 谐波检测技术的发展趋势 |
| 1.2.3 小波分析在电力系统中的应用 |
| 1.3 目前主流的谐波抑制方法 |
| 1.4 论文的研究内容及章节安排 |
| 1.4.1 研究内容 |
| 1.4.2 章节安排 |
| 第二章 小波基本理论分析 |
| 2.1 连续小波变换与离散小波变换 |
| 2.1.1 连续小波变换 |
| 2.1.2 离散小波变换 |
| 2.2 多分辨率分析和Mallat基本算法 |
| 2.2.1 多分辨率分析 |
| 2.2.2 Mallat基本算法 |
| 2.3 频谱混叠现象仿真分析 |
| 2.4 频谱混叠现象产生的原因分析 |
| 2.5 频谱混叠现象的影响及仿真验证 |
| 2.6 本章小结 |
| 第三章 前插奇抽取并作双混叠补偿的新算法研究 |
| 3.1 现有的抗混叠方法及其比较 |
| 3.1.1 频域内插抗混叠shannon小波包算法 |
| 3.1.2 采用内插优化抗混叠技术 |
| 3.1.3 采用混叠补偿方法抗混叠 |
| 3.1.4 三种抗混叠方法的比较 |
| 3.2 前插奇抽取并作双混叠补偿新算法理论分析 |
| 3.3 前插奇抽取并作双混叠补偿新算法仿真参数选择 |
| 3.3.1 采样频率的选择 |
| 3.3.2 基于小波分析的小波函数的选取 |
| 3.3.3 小波分解层数的选取 |
| 3.4 本章小结 |
| 第四章 前插奇抽取并作双混叠补偿新算法在电力系统谐波检测中的应用 |
| 4.1 含有稳态谐波分量的电力系统谐波仿真分析 |
| 4.1.1 算例一 |
| 4.1.2 算例二 |
| 4.2 含有稳态和暂态两种谐波信号的电力系统谐波仿真分析 |
| 4.3 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 参考文献 |
| 致谢 |
| 附录A (攻读硕士学位期间发表的论文) |
| 附录B (攻读硕士学位期间参加的科研活动) |
（5）船用星敏感器/光纤惯性测量单元组合导航技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究的目的和意义 |
| 1.2 国内外相关研究现状 |
| 1.2.1 捷联惯性导航技术发展现状 |
| 1.2.2 星敏感器关键技术发展现状 |
| 1.2.3 星敏感器/惯性组合导航发展现状 |
| 1.2.4 组合导航滤波理论发展现状 |
| 1.3 论文主要研究内容及安排 |
| 第2章 基于光纤惯性测量单元的星敏感器动态测量误差修正方法研究 |
| 2.1 常用坐标系与姿态参数描述 |
| 2.1.1 常用坐标系定义及转换 |
| 2.1.2 载体姿态描述参数 |
| 2.2 星敏感器动态测量误差修正方法 |
| 2.2.1 星敏感器工作原理及技术参数 |
| 2.2.2 船用星敏感器动态误差分析 |
| 2.2.3 基于光纤陀螺角速度信息的星敏动态误差修正 |
| 2.3 星敏动态测量误差修正仿真验证 |
| 2.4 本章小结 |
| 第3章 基于温补的旋转式光纤惯性测量单元高精度测量技术研究 |
| 3.1 光纤IMU温度敏感性误差补偿研究 |
| 3.1.1 光纤陀螺受温度影响机理 |
| 3.1.2 光纤陀螺温度补偿模型建立 |
| 3.1.3 分段多模型光纤陀螺温度误差补偿 |
| 3.1.4 光纤陀螺温度补偿试验验证 |
| 3.2 光纤IMU旋转调制误差抑制研究 |
| 3.2.1 双轴旋转光纤IMU误差抑制分析 |
| 3.2.2 双轴光纤IMU停转方案研究设计 |
| 3.2.3 双轴旋转姿态测量精度影响分析 |
| 3.2.4 旋转调制的航向变化影响抑制方法 |
| 3.2.5 双轴旋转调制仿真验证 |
| 3.3 光纤IMU相对惯性空间的高精度姿态解算方法 |
| 3.3.1 水平姿态误差对星敏感器定位影响 |
| 3.3.2 基于自适应数字滤波器的重力矢量提取 |
| 3.3.3 光纤IMU高精度水平姿态确定 |
| 3.3.4 高精度姿态解算仿真验证 |
| 3.4 本章小结 |
| 第4章 基于深耦合的星敏感器/光纤IMU组合导航技术研究 |
| 4.1 星敏感器/光纤IMU组合对准方案 |
| 4.1.1 星敏感器辅助的惯导组合对准原理 |
| 4.1.2 基于加权递推最小二乘组合对准方法 |
| 4.1.3 基于DMCS的旋转式惯导对准方法 |
| 4.1.3.1 DMCS对准方法基本思想和工作原理 |
| 4.1.3.2 大方位失准角下的DMCS对准方法 |
| 4.1.3.3 仿真分析 |
| 4.2 星敏感器/光纤IMU深度耦合非线性模型 |
| 4.2.1 星敏感器/光纤IMU组合导航原理 |
| 4.2.2 基于星敏感器的惯导系统误差方程 |
| 4.2.3 基于加性四元数“姿态+位置”匹配的组合导航模型 |
| 4.2.4 基于乘性四元数“姿态+位置”匹配的组合导航模型 |
| 4.3 星敏感器/光纤IMU深耦合非线性滤波算法 |
| 4.3.1 边缘化容积卡尔曼滤波原理 |
| 4.3.2 星敏感器/光纤IMU耦合滤波算法 |
| 4.4 星敏感器/光纤IMU深耦合方案仿真验证 |
| 4.5 本章小结 |
| 第5章 船用星敏感器/光纤IMU深耦合导航试验验证 |
| 5.1 双轴旋转光纤惯导原理样机搭建及试验分析 |
| 5.1.1 双轴旋转光纤惯导样机搭建 |
| 5.1.2 双轴旋转SINS试验及分析 |
| 5.2 船用星敏感器/光纤IMU组合导航系统试验方案设计 |
| 5.2.1 船用星敏感器/光纤IMU组合导航系统总体框架设计 |
| 5.2.2 船用星敏感器/光纤IMU组合导航系统实船试验设计 |
| 5.3 试验分析验证 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（6）基于自适应卡尔曼滤波器的编队卫星相对导航技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 编队飞行卫星相关研究任务 |
| 1.3 编队卫星相对导航研究现状 |
| 1.4 相对导航中的滤波算法研究 |
| 1.5 卡尔曼滤波理论相关研究 |
| 1.6 论文内容创新及主体架构 |
| 1.7 本章小结 |
| 第二章 卫星相对运动模型及相关卡尔曼滤波理论 |
| 2.1 卫星相对运动模型 |
| 2.1.1 相对导航参考坐标系 |
| 2.1.2 编队卫星精确相对运动模型 |
| 2.1.3 椭圆编队非线性运动模型 |
| 2.1.4 圆轨道编队线性运动模型 |
| 2.2 自适应卡尔曼滤波器相关理论 |
| 2.2.1 线性及非线性卡尔曼滤波器 |
| 2.2.2 线性时不变系统最优滤波理论 |
| 2.2.3 噪声协方差矩阵自适应滤波器 |
| 2.2.4 变分贝叶斯自适应卡尔曼滤波器 |
| 2.3 非线性连续离散卡尔曼滤波器理论 |
| 2.3.1 非线性连续离散系统模型 |
| 2.3.2 非线性连续离散系统的状态估计理论 |
| 2.3.3 非线性连续离散扩展卡尔曼滤波方法 |
| 2.3.4 非线性连续离散容积卡尔曼滤波方法 |
| 2.4 本章小结 |
| 第三章 圆轨道编队卫星相对导航线性时不变系统滤波问题研究 |
| 3.1 圆轨道编队卫星相对导航问题的标准化数学模型 |
| 3.1.1 圆轨道编队相对导航中的离散线性时不变滤波问题 |
| 3.1.2 含有未知或不精确Q的线性时不变系统卡尔曼滤波问题 |
| 3.2 新型先验协方差自适应卡尔曼滤波器 |
| 3.2.1 新型先验协方差自适应方法 |
| 3.2.2 新自适应卡尔曼滤波器框图 |
| 3.2.3 新自适应方法的特点和优势 |
| 3.3 新先验协方差估计方法的次优推导过程 |
| 3.3.1 新自适应方法次优推导的近似假设条件 |
| 3.3.2 基于最大似然估计准则的推导过程 |
| 3.3.3 新方法次优推导过程的分析和讨论 |
| 3.3.4 新方法提高近似假设有效性的措施 |
| 3.4 新方法与传统过程噪声协方差估计方法的对比 |
| 3.4.1 新方法与现有自适应方法对比一 |
| 3.4.2 新方法与现有自适应方法对比二 |
| 3.5 基于标准模型的数值仿真与算法性能对比 |
| 3.5.1 目标跟踪模型场景设置 |
| 3.5.2 不同初始协方差参数下的自适应算法性能分析 |
| 3.5.3 过程数据及先验误差协方差估计性能分析 |
| 3.6 圆轨道编队飞行卫星典型场景仿真分析 |
| 3.6.1 圆轨道编队飞行卫星典型场景实验设置 |
| 3.6.2 不精确参数对相对导航滤波性能影响分析 |
| 3.6.3 典型卫星场应用的仿真过程数据分析 |
| 3.7 本章小结 |
| 第四章 近圆编队卫星相对导航弱非线性连续离散滤波问题研究 |
| 4.1 近圆轨道编队卫星相对导航问题的标准化数学模型 |
| 4.1.1 近圆轨道编队卫星相对导航的非线性连续离散模型 |
| 4.1.2 含有未知线性化和离散化误差的非线性连续离散滤波问题 |
| 4.2 新型随机序列反馈自适应连续离散卡尔曼滤波器 |
| 4.2.1 新随机序列反馈自适应滤波方法 |
| 4.2.2 新随机序列反馈自适应方法框图 |
| 4.2.3 新自适应滤波方法特点分析及讨论 |
| 4.3 随机反馈自适应连续离散滤波方法的次优性 |
| 4.3.1 随机序列反馈自适应方法的近似推导过程 |
| 4.3.2 新方法提高算法假设有效性的具体措施 |
| 4.3.3 新方法参数选取与第三章方法对比讨论 |
| 4.4 新自适应连续离散滤波方法中近似误差的处理方法对比 |
| 4.4.1 先离散化连续离散扩展卡尔曼滤波器中的近似误差 |
| 4.4.2 先线性化连续离散扩展卡尔曼滤波器中的近似误差 |
| 4.4.3 新自适应连续离散滤波方法中数值误差的处理方法 |
| 4.5 基于标准模型数值仿真的新方法性能分析与算法对比 |
| 4.5.1 范德波尔周期振荡器模型及实验设置 |
| 4.5.2 不同测量周期下新算法性能对比分析 |
| 4.5.3 不同近似步长下新算法性能对比分析 |
| 4.6 近圆轨道编队飞行卫星典型场景仿真分析 |
| 4.6.1 近圆编队飞行卫星典型场景实验设置 |
| 4.6.2 不同测量周期下相对导航滤波性能分析 |
| 4.6.3 典型卫星场景工程的过程数据分析 |
| 4.7 本章小结 |
| 第五章 大偏心率椭圆编队卫星相对导航强非线性连续离散滤波问题研究 |
| 5.1 大偏心率椭圆轨道编队相对导航问题的标准化数学模型 |
| 5.1.1 大偏心率椭圆编队卫星相对导航的非线性连续离散模型 |
| 5.1.2 针对强非线性连续离散系统的容积卡尔曼滤波问题 |
| 5.2 基于新型状态和协方差递推的连续离散容积卡尔曼滤波器 |
| 5.2.1 基于容积采样向量分别积分的先验状态预测 |
| 5.2.2 基于高斯-勒让德近似方法的先验协方差预测 |
| 5.2.3 新型连续离散容积卡尔曼滤波器分析及讨论 |
| 5.3 新型连续离散容积卡尔曼滤波器的平方根形式 |
| 5.3.1 新方法平方根形式的状态和协方差预测 |
| 5.3.2 新方法平方根形式的量测更新过程 |
| 5.4 基于NIRK和误差控制的连续离散容积卡尔曼滤波方法 |
| 5.4.1 基于嵌套隐性式龙格库塔NIRK的采样向量数值积分 |
| 5.4.2 数值积分误差的在线评估和积分步长自适应控制方法 |
| 5.5 基于标准模型数值仿真的新方法性能分析与算法对比 |
| 5.5.1 飞行目标跟踪场景的系统模型设置 |
| 5.5.2 测量系统较小采样周期下算法性能分析 |
| 5.5.3 测量系统较大采样周期下算法性能分析 |
| 5.6 大偏心率椭圆轨道编队飞行卫星典型场景仿真分析 |
| 5.6.1 大偏心率椭圆编队飞行卫星典型场景实验设置 |
| 5.6.2 不同测量周期下相对导航滤波性能分析 |
| 5.6.3 典型卫星场景仿真的过程数据分析 |
| 5.7 本章小结 |
| 第六章 全文总结 |
| 6.1 课题研究总结 |
| 6.1.1 课题主要研究内容 |
| 6.1.2 研究工作主要创新点 |
| 6.1.3 课题研究主要结论 |
| 6.2 后续研究展望 |
| 参考文献 |
| 攻读博士学位期间已发表的学术论文 |
| 致谢 |
（7）时滞系统的序贯协方差稳态滤波研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 时滞系统的研究背景与意义 |
| 1.2 多传感器信息融合的发展概况 |
| 1.3 本文研究的主要内容 |
| 第2章 序贯逆协方差交叉(SICI)融合估计 |
| 2.1 引言 |
| 2.2 两传感器协方差交叉(CI)融合估计 |
| 2.2.1 协方差椭圆及其性质 |
| 2.2.2 CI融合估计的几何原理 |
| 2.2.3 CI融合估计的一致性 |
| 2.2.4 最优参数?的选择 |
| 2.2.5 逆协方差(ICI)融合估计 |
| 2.3 序贯协方差交叉(SCI)融合估计 |
| 2.3.1 问题阐述 |
| 2.3.2 SCI融合滤波器结构 |
| 2.3.3 SCI融合器的一致性和精度分析 |
| 2.3.4 SCI融合器精度关于局部传感器融合次序的灵敏性 |
| 2.4 多传感器序贯逆协方差(SICI)融合估计 |
| 2.4.1 SICI融合稳态Kalman滤波器 |
| 2.4.2 SICI融合估计的一致性与精度分析 |
| 2.5 本章小结 |
| 第3章 多时滞多传感器系统的SICI融合估计 |
| 3.1 引言 |
| 3.2 观测滞后多传感器系统的SICI融合稳态Kalman滤波器 |
| 3.2.1 问题阐述 |
| 3.2.2 局部稳态Kalman滤波器 |
| 3.2.3 SICI融合稳态Kalman滤波器 |
| 3.2.4 仿真研究 |
| 3.3 状态滞后多传感器系统的SICI融合Kalman滤波 |
| 3.3.1 问题阐述 |
| 3.3.2 SICI融合Kalman滤波器 |
| 3.3.3 仿真研究 |
| 3.4 本章小结 |
| 第4章 多时滞多传感器系统的序贯融合估计 |
| 4.1 引言 |
| 4.2 带相关噪声的多时滞系统的SCI融合稳态次优Kalman滤波 |
| 4.2.1 问题阐述 |
| 4.2.2 系统模型转化 |
| 4.2.3 局部Kalman滤波器 |
| 4.2.4 SCI融合稳态Kalman滤波 |
| 4.2.5 仿真研究 |
| 4.3 带相关噪声的多时滞系统的SICI融合稳态次优Kalman滤波 |
| 4.3.1 问题阐述 |
| 4.3.2 SICI融合稳态Kalman滤波 |
| 4.3.3 仿真研究 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表论文 |
（8）非高斯噪声环境下的比例自适应滤波算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究方向的背景与意义 |
| 1.2 非高斯噪声下的比例类算法研究现状 |
| 1.3 本文的主要研究内容 |
| 1.4 本论文的结构安排 |
| 第二章 自适应滤波基础 |
| 2.1 导论 |
| 2.2 自适应滤波器的基础原理 |
| 2.2.1 自适应滤波器的结构 |
| 2.2.2 自适应滤波算法的分类 |
| 2.2.3 自适应滤波算法性能指标 |
| 2.3 稀疏冲激响应 |
| 2.4 非高斯噪声模型 |
| 2.5 经典自适应滤波算法 |
| 2.5.1 LMS算法 |
| 2.5.2 NLMS算法 |
| 2.5.3 PNLMS算法 |
| 2.6 自适应滤波器的应用 |
| 2.7 本章总结 |
| 第三章 比例类最小平均p范数自适应滤波算法 |
| 3.1 引言 |
| 3.2 MPE准则的抗冲激噪声能力 |
| 3.3 PNLMP算法 |
| 3.4 改进的PNLMP算法 |
| 3.4.1 逼近稀疏度的模型 |
| 3.4.2 MPNLMP算法 |
| 3.4.3 CIM-PNLMP算法 |
| 3.5 仿真结果分析 |
| 3.5.1 仿真实验环境 |
| 3.5.2 仿真性能分析 |
| 3.5.3 相关影响因子对性能的影响 |
| 3.6 本章小结 |
| 第四章 比例类最大相关熵算法研究 |
| 4.1 引言 |
| 4.2 最大相关熵准则(MCC) |
| 4.3 PMCC算法 |
| 4.4 改进的PMCC算法 |
| 4.4.1 MPMCC算法 |
| 4.4.2 CIMPMCC算法 |
| 4.4.3 简化的SMPMCC算法 |
| 4.4.4 凸组合CSMPMCC算法 |
| 4.5 仿真结果 |
| 4.5.1 仿真环境 |
| 4.5.2 仿真性能分析 |
| 4.5.3 相关影响因子对性能的影响 |
| 4.6 本章小结 |
| 第五章 解相关的自适应滤波算法 |
| 5.1 引言 |
| 5.2 解相关原理 |
| 5.3 解相关的DMPMCC算法 |
| 5.4 仿真结果 |
| 5.4.1 仿真环境 |
| 5.4.2 仿真性能分析 |
| 5.5 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 作者在攻读硕士学位期间取得的研究成果 |
（9）基于SMC和AFEKF的永磁同步电机无传感控制研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 PMSM的控制策略概述 |
| 1.2.1 PMSM的控制策略 |
| 1.2.2 滑模变结构控制理论的发展及应用 |
| 1.3 PMSM无位置传感技术 |
| 1.4 本文的主要研究内容 |
| 2 PMSM数学模型及矢量控制的原理 |
| 2.1 PMSM的结构 |
| 2.2 坐标与坐标变换 |
| 2.3 PMSM数学模型 |
| 2.3.1 PMSM在三相静止轴系a-b-c下的数学模型 |
| 2.3.2 PMSM在两相静止轴系α-β下的数学模型 |
| 2.3.3 PMSM在两相旋转轴系d-q下的数学模型 |
| 2.3.4 PMSM的机械特性方程 |
| 2.4 PMSM矢量控制系统 |
| 2.5 空间矢量脉宽调制(SVPWM) |
| 2.5.1 判断合成电压矢量U_(ref)所在的扇区 |
| 2.5.2 邻近两非零矢量作用时间的确定 |
| 2.5.3 T_a、T_b、T_c计算模块 |
| 2.6 矢量控制系统组成模块 |
| 2.6.1 PMSM在MATLAB中的模型 |
| 2.6.2 坐标变换模块 |
| 2.7 PMSM矢量控制仿真结果 |
| 2.8 本章小结 |
| 3 PMSM滑模速度控制器研究 |
| 3.1 滑模变结构的定义 |
| 3.2 滑模控制器的基本设计方法及若干问题 |
| 3.2.1 滑模控制器的基本设计方法 |
| 3.2.2 滑模控制器的若干问题 |
| 3.3 变指数滑模速度控制器设计 |
| 3.3.1 变指数趋近律设计 |
| 3.3.2 滑模速度控制器设计 |
| 3.3.3 滑模速度控制器设计 |
| 3.4 滑模速度控制器仿真研究 |
| 3.5 本章小结 |
| 4 PMSM无传感器控制算法研究 |
| 4.1 EKF原理及应用 |
| 4.1.1 EKF基本概念 |
| 4.1.2 离散卡尔曼滤波的实现 |
| 4.1.3 EKF算法的实现 |
| 4.1.4 EKF应用时注意问题及解决方法 |
| 4.2 PMSM在α、β轴下的EKF模型 |
| 4.3 基于EKF的PMSM的无传感系统 |
| 4.4 渐消卡尔曼滤波法的PMSM无位置传感控制 |
| 4.5 基于Sage-Husa的PMSM无位置传感控制 |
| 4.5.1 Sage-Husa自适应Kalman滤波算法 |
| 4.5.2 噪声时变统计估值器 |
| 4.6 本章小结 |
| 5 基于SMC和AFEKF算法的PMSM无传感控制 |
| 5.1 基于SMC和AFEKF无传感控制策略 |
| 5.1.1 SMC和AFEKF无传感控制算法的提出 |
| 5.1.2 SMC和AFEKF无传感控制算法的设计 |
| 5.2 PMSM无位置传感仿真模型的确立 |
| 5.3 基于SMC和AFEKF算法的PMSM仿真结果 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 作者简介 |
| 学位论文数据集 |
（10）信息融合鲁棒Kalman滤波器（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 最优信息融合Kalman滤波基本方法 |
| 1.2.1 集中式与分布式融合方法 |
| 1.2.2 状态与观测融合方法 |
| 1.3 不确定系统鲁棒Kalman滤波方法 |
| 1.3.1 不确定系统描述 |
| 1.3.2 几种重要的鲁棒Kalman滤波方法 |
| 1.4 鲁棒Kalman滤波的发展概况和研究现状 |
| 1.5 论文的主要工作 |
| 1.5.1 论文的主要内容 |
| 1.5.2 论文结构安排 |
| 第2章 不确定系统信息融合鲁棒时变Kalman滤波器 |
| 2.1 引言 |
| 2.2 加权融合鲁棒时变Kalman滤波器 |
| 2.2.1 局部鲁棒时变Kalman滤波器 |
| 2.2.2 加权融合鲁棒时变Kalman滤波器 |
| 2.2.3 鲁棒精度分析 |
| 2.2.4 局部和融合鲁棒稳态Kalman滤波器 |
| 2.3 加权融合鲁棒时变Kalman预报器 |
| 2.3.1 局部鲁棒时变Kalman预报器 |
| 2.3.2 加权观测融合鲁棒时变Kalman预报器 |
| 2.3.3 鲁棒精度分析 |
| 2.3.4 局部和融合鲁棒稳态Kalman预报器 |
| 2.4 加权融合鲁棒时变和稳态Kalman平滑器 |
| 2.4.1 局部鲁棒时变Kalman平滑器 |
| 2.4.2 加权融合鲁棒时变Kalman平滑器 |
| 2.4.3 鲁棒精度分析 |
| 2.4.4 局部和加权融合鲁棒稳态Kalman平滑器 |
| 2.5 仿真例子 |
| 2.6 本章小结 |
| 第3章 不确定系统信息融合鲁棒稳态Kalman滤波器——直接方法 |
| 3.1 引言 |
| 3.2 加权融合鲁棒稳态Kalman滤波器 |
| 3.2.1 局部鲁棒稳态Kalman滤波器 |
| 3.2.2 加权融合鲁棒稳态Kalman滤波器 |
| 3.2.3 鲁棒精度分析 |
| 3.3 加权融合鲁棒稳态Kalman平滑器 |
| 3.3.1 局部鲁棒稳态Kalman平滑器 |
| 3.3.2 加权融合鲁棒稳态Kalman平滑器 |
| 3.4 仿真例子 |
| 3.5 本章小结 |
| 第4章 不确定分簇传感网络系统信息融合鲁棒稳态Kalman滤波器 |
| 4.1 引言 |
| 4.2 两级序贯协方差交叉（SCI）融合鲁棒稳态Kalman预报器 |
| 4.2.1 局部鲁棒稳态Kalman预报器 |
| 4.2.2 两级序贯协方差交叉（SCI）融合鲁棒稳态Kalman预报器 |
| 4.2.3 精度分析 |
| 4.3 带观测滞后两级序贯协方差交叉（SCI）融合鲁棒稳态Kalman滤波器 |
| 4.3.1 观测变换 |
| 4.3.2 局部鲁棒稳态Kalman滤波器 |
| 4.3.3 两级SCI融合鲁棒稳态Kalman滤波器 |
| 4.3.4 两级SCI融合器鲁棒精度分析 |
| 4.4 仿真例子 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术论文 |
| 攻读博士学位期间取得的其它成果 |
四、随机控制系统稳态Kalman滤波器新算法（论文参考文献）
- [1]基于改进卡尔曼滤波的电磁流量计信号处理方法研究[D]. 秦晓文. 合肥工业大学, 2021(02)
- [2]随机滞后系统的序贯逆协方差交叉融合估计[D]. 刘琪. 黑龙江大学, 2020(04)
- [3]非标准自适应滤波器研究[D]. 王文渊. 西南交通大学, 2020(07)
- [4]一种改进的小波变换电力系统谐波检测抗混叠方法[D]. 余晨. 长沙理工大学, 2020(07)
- [5]船用星敏感器/光纤惯性测量单元组合导航技术研究[D]. 夏秀玮. 哈尔滨工程大学, 2020(04)
- [6]基于自适应卡尔曼滤波器的编队卫星相对导航技术研究[D]. 王蛟龙. 上海交通大学, 2019(06)
- [7]时滞系统的序贯协方差稳态滤波研究[D]. 尚天萌. 黑龙江大学, 2019(02)
- [8]非高斯噪声环境下的比例自适应滤波算法研究[D]. 石颖. 电子科技大学, 2019(01)
- [9]基于SMC和AFEKF的永磁同步电机无传感控制研究[D]. 吴宇航. 河南理工大学, 2018(01)
- [10]信息融合鲁棒Kalman滤波器[D]. 齐文娟. 黑龙江大学, 2015(03)